【摘要】：核電廠為重要的系統(tǒng)、設(shè)備和部件設(shè)置有大量在線或離線監(jiān)測措施,產(chǎn)生了海量的狀態(tài)監(jiān)測數(shù)據(jù),其中往往包含有豐富的設(shè)備性能狀態(tài)、異常征兆等相關(guān)信息。本論文致力于從預(yù)測的角度對這些信息進行挖掘,建立基于狀態(tài)監(jiān)測數(shù)據(jù)的核電廠主要設(shè)備壽命預(yù)測方法,實現(xiàn)設(shè)備性能退化趨勢和剩余壽命的精確預(yù)測,為前瞻性的設(shè)備老化管理和維護管理提供技術(shù)基礎(chǔ),以期最終實現(xiàn)核電廠安全性和經(jīng)濟性水平的進一步提升。論文根據(jù)核電廠能動設(shè)備與非能動設(shè)備壽命預(yù)測問題的不同特點,采用不同的方法建立兩類設(shè)備的壽命預(yù)測模型。對以旋轉(zhuǎn)機械設(shè)備為代表的能動設(shè)備,采用集成數(shù)據(jù)驅(qū)動預(yù)測模型。首先提出“模糊聚類—動態(tài)集成”方法,通過模糊聚類將訓(xùn)練數(shù)據(jù)劃分為數(shù)據(jù)子集進行子模型的訓(xùn)練,以增強子模型的多樣性,模型權(quán)重則依據(jù)測試數(shù)據(jù)與各數(shù)據(jù)子集的相近程度確定,基于共享基準數(shù)據(jù)集的算例驗證表明該方法可在花費更少的訓(xùn)練成本的情況下,取得更高的預(yù)測精度,模型預(yù)測性能在已發(fā)表相關(guān)工作中處于先進水平。在此基礎(chǔ)上,采用異質(zhì)集成方法進一步提高預(yù)測模型的精度,并對傳統(tǒng)的固定權(quán)重集成方式進行擴展,提出次級學(xué)習(xí)器模型和分段權(quán)重分配模型兩種異質(zhì)模型的結(jié)合策略,以提高集成模型的性能表現(xiàn),并基于基準數(shù)據(jù)集驗證。對非能動設(shè)備,則采用混合方法建立預(yù)測模型。具體而言,在失效機理模型不可用的情況下,采用替代型混合預(yù)測模型。替代模型的不確定性分析是替代型混合模型中的一個重要問題,論文首先研究了高斯過程回歸模型以實現(xiàn)更為簡潔的模型不確定性評估,并基于仿真案例驗證了這一方法的可行性。進一步,為增強模型的適應(yīng)性,提出參數(shù)自適應(yīng)更新的數(shù)據(jù)驅(qū)動替代模型,通過參數(shù)基于預(yù)測誤差的自適應(yīng)調(diào)整使得替代模型更加符合監(jiān)測數(shù)據(jù)的實際情況,并通過反應(yīng)堆系統(tǒng)狀態(tài)預(yù)測問題驗證了模型的有效性。在機理模型可用但存在較大偏差的情況下,則采用修正型混合模型。論文提出基于高斯過程回歸的非參數(shù)修正方法,通過比例修正系數(shù)、平移修正系數(shù)和高斯過程項對機理模型進行三方面的修正,并基于FAC仿真案例進行驗證。
【圖文】：

M 的實現(xiàn)需要三方面技術(shù)要素的支持：即數(shù)據(jù)獲取、數(shù)據(jù)處理和維中數(shù)據(jù)獲取和數(shù)據(jù)處理是進行維修決策的基礎(chǔ)，高效 CBM 方案的過監(jiān)測持續(xù)獲取設(shè)備的性能退化相關(guān)數(shù)據(jù)，以及從數(shù)據(jù)中挖掘的設(shè)故障和剩余壽命等信息[30]。特別地，基于監(jiān)測數(shù)據(jù)對設(shè)備未來性能勢及其剩余壽命進行準確的預(yù)測，將可使 CBM 決策更具前瞻性，，優(yōu)化的設(shè)備維護方案。 預(yù)測與健康管理系統(tǒng)以上兩小節(jié)的討論可知，對重要設(shè)備設(shè)立狀態(tài)監(jiān)測并對監(jiān)測數(shù)據(jù)進挖掘，對于提升核電廠整體安全性和經(jīng)濟性水平均具有重要意義。理（Prognostics and Health Management, PHM）技術(shù)為這一監(jiān)測與數(shù)實現(xiàn)提供了一條十分有前景的技術(shù)路線。PHM 的概念最早在美國聯(lián)（Joint Strike Fighter, JSF）項目中被提出[31]，此前則以各種不同名防、航空航天等領(lǐng)域有著不同程度的研究和應(yīng)用[32][33]。圖 1.1 所示總體框架[34]，共包括五個主要的子模塊：

第 1 章 引言程或可靠性試驗中產(chǎn)生的歷史失效時間數(shù)據(jù)及截尾數(shù)據(jù)，利用參數(shù)化方法，大似然估計（Maximum Likelihood Estimation, MLE）等，將數(shù)據(jù)擬合成某一分布[43]，典型示例為廣泛使用的 Weibull 分布：1( )mm t t （1基于可靠性統(tǒng)計的預(yù)測方法假設(shè)所有同類設(shè)備的壽命均服從同一個概率，亦即忽略了運行環(huán)境對設(shè)備壽命的影響以及不同設(shè)備之間的個體差異，因得到的結(jié)果表征的是在平均工況環(huán)境下同類設(shè)備的平均壽命特征，具有較大測不確定性。
【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TM623

【參考文獻】

相關(guān)期刊論文 前7條

1 何慶飛;陳桂明;陳小虎;姚春江;;基于改進灰色神經(jīng)網(wǎng)絡(luò)的液壓泵壽命預(yù)測[J];中國機械工程;2013年04期

2 申中杰;陳雪峰;何正嘉;孫闖;張小麗;劉治汶;;基于相對特征和多變量支持向量機的滾動軸承剩余壽命預(yù)測[J];機械工程學(xué)報;2013年02期

3 劉方亮;劉井泉;劉偉;;雙參數(shù)威布爾分布在核電站數(shù)據(jù)處理中的應(yīng)用[J];原子能科學(xué)技術(shù);2011年07期

4 張小麗;陳雪峰;李兵;何正嘉;;機械重大裝備壽命預(yù)測綜述[J];機械工程學(xué)報;2011年11期

5 劉忠;劉春波;鄭玉貴;;碳鋼在單相流中流動加速腐蝕的數(shù)值模擬[J];核動力工程;2009年05期

6 王偉;孫振田;李超;;核電站老化分析及延壽管理方法研究[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2009年03期

7 周剛;楊立;;核電廠智能診斷方法研究的進展[J];原子能科學(xué)技術(shù);2008年S1期

相關(guān)博士學(xué)位論文 前4條

1 張彬;數(shù)據(jù)驅(qū)動的機械設(shè)備性能退化建模與剩余壽命預(yù)測研究[D];北京科技大學(xué);2016年

2 尤明懿;基于狀態(tài)監(jiān)測數(shù)據(jù)的產(chǎn)品壽命預(yù)測與預(yù)測維護規(guī)劃方法研究[D];上海交通大學(xué);2012年

3 段江嬌;基于模型的時間序列數(shù)據(jù)挖掘[D];復(fù)旦大學(xué);2008年

4 劉永闊;核動力裝置故障診斷智能技術(shù)的研究[D];哈爾濱工程大學(xué);2006年

本文編號：2686308